DeepSeek 接入配置与自检器｜工业AI分析工具
这个工具解决什么问题
数据泄漏是这类工具最容易踩的坑，因此时间切分要先于特征工程。
> 第一步不是写提示词，是把 Token 配好、把链路验通 —— 配错了后面十个工具全都白搭。
示例输出（真实运行结果节选）
==========================================================================
DeepSeek 接入配置与自检报告 2026-10-07 23:00:28
==========================================================================
一、配置体检
--------------------------------------------------------------------------
配置来源 ：内置默认值（未找到任何配置）
接口根地址 ：https://api.deepseek.com
默认模型 ：deepseek-reasoner
Token ：（空）
超时/最大输出：90 秒 / 2048 token
估算费率 ：输入 4.00 元/百万 token，输出 16.00 元/百万 token
Token 状态 ：未配置 —— 降级为离线模式（工具仍可跑，AI 段留空）
二、模型可用性（GET /models）
--------------------------------------------------------------------------
未配置 Token，跳过在线查询。配置后本段会列出你的密钥实际可用的模型 ID。
三、对话链路自检
--------------------------------------------------------------------------
未配置 Token，跳过。离线模式下所有工具仍可运行，只是 AI 归因段落会留空。
四、模型选型建议（按任务类型）
--------------------------------------------------------------------------
· 异常归因 / 根因推理 / 多约束权衡
推荐：推理型（如 deepseek-reasoner 这类带思考链的模型）
理由：要的是推理质量，输出 token 通常几百到一两千，贵一点也值
· 报告初稿 / 摘要 / 函件撰写
推荐：通用对话型（如 deepseek-chat 这类）
理由：文本量大、要求可读性强，通用模型性价比最高
· 字段抽取 / 结构化 JSON
推荐：通用对话型 + JSON 输出模式
理由：要求格式稳定，务必打开 JSON 输出
适用场景
· 首次接入 AI 能力、换供应商/换模型、排查「为什么调不通」 · 先跑 --init-config 生成配置模板，填好密钥再跑一次，四个小节全绿才算接好
怎么用
python ai_config_check.py
首次运行会自动生成示例数据并输出完整报告。 把示例数据换成你自己的（保持列名一致）后重新运行即可。
方式二：环境变量
set DEEPSEEK_API_KEY=你的密钥 # Windows export DEEPSEEK_API_KEY=你的密钥 # Linux / macOS
方式三：命令行临时指定（不落盘，适合共用电脑）
python ai_config_check.py --token 你的密钥
接口根地址与模型名也可用 DEEPSEEK_BASE_URL / DEEPSEEK_MODEL 覆盖， 换供应商时只改根地址即可 —— 请求体会话结构是 OpenAI 兼容格式。
输入数据
无需数据文件；如需配置，运行 --init-config 生成 deepseek_config.json 模板
输出内容
· 配置体检：配置来源、根地址、模型、Token 掩码显示、费率 · GET /models 列出你的密钥实际可用的模型 ID（可提前发现模型名写错） · 对话链路自检：发一条最小请求，返回用量与单次估算费用，并按次数推算用量级 · 按任务类型给模型选型建议 + 落地检查清单
没有 Token 也能用（离线模式）
离线也能跑：给出配置模板、检查清单与选型建议，只是跳过在线校验两项
配置 Token 后，报告里的 AI 段落会自动补全；调用失败时也不会中断， 本地计算部分照常输出，只是在报告里标注 AI 段失败原因。
依赖
无。仅使用 Python 标准库（urllib / json / csv / math / re 等）， 不需要 pip 安装任何包，Windows / Linux / macOS 均可运行。
可调参数与计算口径
脚本顶部集中了主要阈值与常量：TEMPLATE_JSON="deepseek_config.json"、MODELS_JSON="deepseek_models_snapshot.json"、USAGE_CSV="ai_usage_log.csv"、REPORT_TXT="ai_config_report.txt"、DEFAULT_BASE="https://api.deepseek.com"、DEFAULT_MODEL="deepseek-reasoner"。改完直接重跑即可，不必改动计算逻辑。
--init-config：生成配置模板后退出--models：只列可用模型--usage：只看历史用量台账--mock：演示模式：不联网，跑通全流程--token：临时指定 Token（不写入文件）（默认 ""）--model：临时指定模型（默认 ""）
会生成哪些文件
运行后除控制台输出外，还会生成：deepseek_config.json、deepseek_models_snapshot.json、ai_usage_log.csv、ai_config_report.txt。
脚本里的主要处理步骤
list_models()：GET /models，列出当前密钥实际可用的模型 ID。ping()：发一条最小对话，验证链路与返回结构。
以上步骤在脚本中是分开的函数，可以单独调用或按需替换其中一段，不必整体重写。
工具中出现的字段与提示
- 异常归因 / 根因推理 / 多约束权衡
- 推理型（如 deepseek-reasoner 这类带思考链的模型）
- 要的是推理质量，输出 token 通常几百到一两千，贵一点也值
- 报告初稿 / 摘要 / 函件撰写
- 通用对话型（如 deepseek-chat 这类）
- 文本量大、要求可读性强，通用模型性价比最高
- 字段抽取 / 结构化 JSON
- 通用对话型 + JSON 输出模式
- 要求格式稳定，务必打开 JSON 输出约束，别靠提示词喊
- 大批量分类打标（上千条）
- 通用对话型 + 批量合并请求
- 把 20~50 条合成一次请求，能显著摊薄调用次数
- 内置默认值（未找到任何配置）
- 配置文件 %s
- 配置读取失败 %s：%s
- 环境变量 DEEPSEEK_API_KEY
- %s…%s（共 %d 位）
- 配置模板已存在，未覆盖：%s
其余字段以界面与示例报告为准。
下载与文件清单
压缩包内包含：主程序脚本、示例数据文件、示例输出报告、中文说明文档，以及同主题 AI 提示词一套。解压后按说明运行即可，示例数据可直接试跑。
主程序文件：ai_config_check.py。
本站工具免费下载，无需注册。工具为 Python 脚本，Python 3.8 及以上环境可直接运行，核心功能尽量不依赖第三方库。
常见问题
阈值可以改成我们自己的标准吗？
可以，脚本顶部已把主要阈值与常量集中声明，按自己产线的标准修改后重跑即可，不需要改计算逻辑。
附赠的提示词怎么用？
把提示词与自己的数据一起交给大模型，可以让它按同一套口径帮你改写分析流程或扩展报告字段。
示例数据能直接跑吗？
可以。示例数据与主程序在同一压缩包内，解压后直接运行即可看到完整输出，确认无误再替换成自己的台账。
同分类的其它工具
分类归属：工业AI与智能分析工具包；完整清单在 工具资源包下载页。
